CN104239393A - 候选人简档的自动物色和筛选 - Google Patents

候选人简档的自动物色和筛选 Download PDF

Info

Publication number
CN104239393A
CN104239393A CN201410274019.5A CN201410274019A CN104239393A CN 104239393 A CN104239393 A CN 104239393A CN 201410274019 A CN201410274019 A CN 201410274019A CN 104239393 A CN104239393 A CN 104239393A
Authority
CN
China
Prior art keywords
profile
candidate
participant
extracted
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410274019.5A
Other languages
English (en)
Inventor
K.梅农
B.穆西亚
S.卡玛多利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SuccessFactors Inc
Original Assignee
SuccessFactors Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SuccessFactors Inc filed Critical SuccessFactors Inc
Publication of CN104239393A publication Critical patent/CN104239393A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/954—Navigation, e.g. using categorised browsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)

Abstract

本文描述了自动物色和筛选候选人简档的系统和方法的各种实施例。该方法涉及从参与者接收授权以访问社交网络系统上的参与者的账户。此外，提取与社交网络系统中的连接到参与者的一个或多个候选人相对应的简档，并且根据与所提取的每个简档相关联的简档数据和候选人搜索数据之间的匹配程度，对所提取的简档评分。候选人搜索数据定义用于量化特定工作职位的候选者的一组标准。在另一方面中，基于分配给所提取的每个简档的分数，对所提取的简档进行排序，响应于接收对与参与者相关联的简档的选择，向参与者发送反馈表单。

Description

候选人简档的自动物色和筛选
技术领域
本申请一般涉及候选人简档筛选(screen)系统，而且更具体地，涉及用于从在线社交网络系统自动物色(source)和筛选候选人简档的技术。
背景技术
以有效的成本和时间招聘合适员工对于组织的成长和可持续发展是至关重要的。然而，收集候选人简档并从所收集的简档识别合适的匹配的任务可以是劳动密集型和挑战性的。实现这个的手段之一是通过使用技术使得招聘过程更快和更简单。然而，对传统的员工推荐程序成功的关键障碍是员工的参与。诸如通读工作职位、识别相关社会关系、获取相关社会关系的联系信息或简历、将联系信息或简历提交到员工推荐应用等需要员工亲自参与的行为阻碍了员工积极参与这样的程序。结果，失去了空缺职位的潜在候选人。此外，市场上可用的招聘应用不能通过考虑候选人与现有员工之间的任何重叠相识来为对候选人简档的筛选作准备。
发明内容
本文描述了用于自动物色和筛选候选人简档的系统和方法的各种实施例。在一个方面中，该方法涉及从参与者接收授权以访问社交网络系统上的参与者的账户，其中，参与者连接到社交网络系统中的一个或多个候选人。此外，该方法包括提取与社交网络系统中的连接到参与者的一个或多个候选人相对应的简档。在一个方面中，每个所提取的简档内包含的简档数据被分为一个或多个类别。此外，根据与每个所提取的简档相关联的简档数据和候选人搜索数据之间的匹配程度，对每个所提取的简档评分。候选人搜索数据定义从候选人简介期望的一组标准。在另一方面中，基于分配给每个所提取的简档的分数，对所提取的简档进行排序。在又一方面中，响应于接收对至少一个被排序的简档的选择，向参与者发送反馈表单。
当考虑以下结合附图介绍的本发明的优选实施例的详细描述之时，实施例的这些和其它优势和特征将是显而易见的。
附图说明
权利要求阐明了具有特殊性的实施例。实施例通过示例的方式图示，并且不限于附图中的图形，在附图中相同参考标记指示相同元素。从以下结合附图的详细描述，可以最好地理解实施例连同它的优势。
图1是根据一个实施例的用于自动物色和筛选候选人简档的技术的概念图。
图2是根据一个实施例的用于自动物色和筛选候选人简档的方法的流程图。
图3图示了实现依据实施例的候选人简档物色和筛选过程的示例性系统的框图。
图4图示了示出根据实施例的候选人简档筛选过程的示例性界面。
图5图示了示出依据实施例的候选人简档评分表的示例性界面。
图6图示了依据一个实施例的候选人简档和相关联的参与者连接的图形表示。
图7图示了依据另一个实施例的候选人简档和相关联的参与者连接的图形表示。
图8是根据一个实施例的示例性计算机系统的框图。
具体实施方式
概述
本文描述了用于自动物色和筛选候选人简档的技术的实施例。在以下描述中，阐明了许多具体细节以提供对实施例的彻底理解。然而，相关领域的技术人员将意识到，实施例可以在没有一个或多个具体细节的情况下实施或利用其它方法、组件、材料等实施。在其它示例中，未示出或未详细描述公知的结构、材料或操作。
贯穿本说明书引用的“一个实施例”、“这个实施例”或类似短语意指结合该实施例描述的特定特征、结构或特点被包括在一个或多个实施例中的至少一个实施例中。因此，贯穿本说明书的不同位置出现的这些短语不一定全部涉及相同实施例。此外，特定特征、结构、或特点可以在一个或多个实施例中以任何适当的方式进行组合。
社交网络社区，即在社交网络系统上托管(host)的社交结构由个人(“成员”)以及这些个人之间的二元关系的复杂集合组成。在线社交网络系统提供了基于网络的服务、平台或网站，以用于便利成员之间的社会关系的建立(“连接(connection)”)，他们可以例如，共享利益、活动、背景或现实生活的连接。一些基于网络的服务包括提供每个成员的表示(通常是简档)、他/她的社交链接、以及成员在互联网上交互的手段，诸如电子邮件、即时消息、流媒体等。在线社交网络系统的示例包括Facebook.com、MySpace.com、LinkedIn.com和EsqChat.com，其中启用具有虚拟身份的个人的社区以与其他个人连接并交互。除了充当成员与同类成员遇见和交互的平台，在线社交系统还便利具有多元社会和专业背景的个人的聚集。
组织的现有员工可以帮助组织识别和招募人才。现有员工可能曾与他们觉得将很适合于组织的潜在员工共事。根据他们过去的与潜在员工的经验，现有员工可能够提供对潜在员工的洞悉，诸如潜在员工可能具有的特殊技能、个人品质、潜在员工是否将与组织的文化兼容或与组中的某些人和睦相处、以及潜在员工将感兴趣的职位类型。由现有员工提供的洞悉帮助组织识别最佳的员工候选人并且过滤掉不期望的员工候选人。由于关于社交网络服务的用户关系的信息的可用性，社交网络系统已成为人力资源的重要源。在示例场景中，组织的为组织的各部门提供人才招聘服务的招聘团队为了识别适合工作职位的候选人，可以邀请组织的现有员工注册推荐系统中托管的推荐程序。通过注册推荐程序，员工授权招聘人员访问该员工为其成员的社交网络社区。通过社交网络社区连接到该员工的其他成员的简档被访问，而且这样的简档的存储库被创建。然后存储库形成候选池，招聘人员可以从候选池识别适合工作职位的候选人。参照图1中所示的概念性系统描述从在线社交网络系统物色候选人简档并筛选候选人简档的构思。
系统概述
图1是图示依据一个实施例的系统环境的高层框图。系统环境包括一个或多个用户设备130、简档排序系统110、简档存储库150、以及一个或多个社交网络系统140。在一些实施例中，简档排序系统110被实现为单个服务器，而在其它实施例中，它被实现为多个服务器的分布式系统。为了便于说明，下面将简档排序系统110描述为在单个服务器系统上实现。为了说明的目的，由图1示出的实施例包括单个简档排序系统110、单个用户设备130和单个简档存储库150，然而，在其它实施例中，环境可以包括多个用户设备130和/或多个简档排序系统110、以及一个或多个简档存储库150。
简档排序系统110通信地耦合到用户设备130、一个或多个社交网络系统140和简档存储库150。
用户使用用户设备130与简档排序系统110和/或社交网络系统140交互，用户设备130可以是能够连接到简档排序系统110和/或社交网络系统140的任何合适的设备。用户设备130的示例包括计算机、膝上型计算机、智能电话、个人数字助理、上网本、笔记本计算机和平板计算机。用户设备被作为操作简档排序系统110的实体的成员的多个参与者访问。
在示例实施例中，简档排序系统110由组织的招聘团队操作，而参与者是组织的员工。参与者进而是由一个或多个在线社交网络系统140托管的在线社交网络社区的成员。参与者对于他们为其成员的每个在线社区都具有个人账户和虚拟身份。本文所使用的术语“虚拟身份”是指唯一代表在线社交网络社区的成员的名字、电子邮件ID、登录ID、或任何其它文本或图形数据。参与者的社交网络账户包括保存参与者的“简档”的网页，所述参与者的“简档”对于社交网络社区中连接到所述参与者的一个或多个其他成员(“连接”)部分可见或全部可见。参与者的简档包括诸如参与者的联系信息、学术背景、工作经历、目前雇主、技能、兴趣、爱好、参与者公布的内容、状态更新、以及其它传记数据。类似地，每个参与者的连接也在参与者可以查看和访问的他们各自的账户中具有个人简档。
作为他/她的账户的所有者的参与者可以将社区的成员添加为联系人(术语“联系人”具有与Facebook.com或Myspace.com上的“朋友”、或者LinkedIn.com上的“连接”类似的含义)，由此添加的成员将是参与者的联系人(反之亦然)，从而参与者可以从添加的成员的简档观看由添加的成员创建的额外的网页和/或信息(分别地，反之亦然)。在被参与者添加为联系人之后，添加的成员的虚拟身份和简档都可以由参与者从参与者的账户访问。例如，参与者可以从他/她的账户选择图标或链接，从而使得显示到参与者的所有联系人的简档的链接的列表的网页被呈现，所述链接可以基于与链接相对应的联系人姓氏(或名字)按字母顺序或基于其它排序标准列出。
推荐程序中的参与者(即，组织的员工)可以通过简单地授权组织访问他们的社交网络信息来启动推荐过程。在一个方面中，为了访问参与者的社交网络信息，简档排序系统采用诸如OAuth的授权标准。这样的授权标准通过使用用户代理重定向，来为参与者授权第三方访问他/她的服务器资源但不分享他/她的证书(credential)(通常为，用户名和密码对)作准备。使用这样的授权标准，客户端(本文中，简档排序系统)可以代表最终用户(本文中，参与者)访问服务器资源。例如，当参与者注册推荐程序时，应用提示参与者授予访问参与者的社交数据流的权限。然后，参与者可以通过选择授权选项，例如，用户界面上的应用所提供的“我授权”，来向应用托付(trust)他/她的社交网络信息。简档排序系统110还可以向社交网络系统140发送对于参与者的社交信息的请求。社交网络系统140然后可以向参与者发送对于授权的请求。
返回参照图1，用户设备130为参与者提供注册推荐程序的界面。在一些实施例中，推荐程序涉及参与者的一次参与，其中，通过注册程序，参与者提供对排序系统访问参与者的社交网络社区的授权。例如，参与者可以通过访问到推荐程序的网页的链接或图标或任何其他形式的通信接口来注册推荐程序。一旦在网页或通信接口中，参与者可以提供社交网络系统的名称以及在所识别的社交网络系统中的他/她的虚拟身份。响应于从参与者接收到授权，简档排序系统自动地访问该参与者与其相关联的社交网络系统。排序系统随后访问社区内的参与者的连接，如果连接的隐私设置允许这种访问的话，并提取与连接相对应的简档。因此，提取的简档被存储在简档存储库150中以用于进一步的筛选和分析。参照图2描述筛选简档并以图形方式表示简档和它们的排序的方法。
过程概述
图2示出了从社交网络系统自动物色和筛选候选人简档的方法200的流程图。如图2中所示，过程200的各部分在具有一个或多个处理器和非暂态存储器的系统(例如，简档排序系统110)处执行，所述非暂态存储器存储由该系统的一个或多个处理器执行的一个或多个指令。方法200包括在过程块210接收候选人搜索数据。在一些实施例中，候选人搜索数据是经由提供给用户设备的图形用户界面接收的。在一个方面中，候选人搜索数据是特定工作职位的头衔，例如，“UI工程师”。在另一方面中，候选人搜索数据可以包括定义特定工作职位所需的专业资格的标准。定义专业资格的标准可以规定教育需求(例如，某些类型的学位或来自某些教育机构的学位)、专业技能(例如，Java、PHP)、语言能力(例如，德语读写能力)、地理位置、工作经验的年数、和工作经历(例如，在特定公司工作的经验)、个人兴趣(例如，远足)、专业兴趣(例如，移动应用)或其任意组合。例如，专业资格可以规定来自加利福尼亚州的具有至少三年工作经验的工程师、具有Javascript和HTML5的技能、讲西班牙语以及对恐怖电影感兴趣。本文中所使用的术语“工作职位”指的是候选人可任职的当前公开的组织中的特定职务。执行候选人搜索的人员可以将定义专业资格的标准直接录入到GUI中。可替换地，可以录入工作头衔并且可以由简档排序系统基于预定义的规则自动生成定义专业资格的标准。例如，工作头衔或工作职位可以被录入而且预先定义的规则可以规定申请工作职位的特定等级水平所需的经验和专业知识的水平。
在过程块220，访问简档存储库并调用一组候选人简档。在一些实施例中，基于候选人搜索数据或包括在候选人搜索数据中的标准来识别一组候选人简档。在一些实施例中，响应于接收到候选人搜索数据，访问简档存储库并调用一组候选人简档。在一些实施例中，从简档存储库识别、访问和检索一组候选人简档。简档存储库存储通过在线社交网络系统连接到推荐程序的参与者的候选人的简档。在一个方面中，基于候选人简档与工作职位的相关性调用一组候选人简档。在一个方面中，基于在候选人简档中识别关键术语来确定相关性，其中关键术语根据候选人搜索数据确定。
此外，在过程块230，根据候选人搜索数据和一组候选人简档内的简档数据之间的匹配程度，对被调用的候选人简档评分。在一个方面中，候选人搜索数据被分为多个类别，诸如技能、工作经验、教育、职务、以及相互员工连接(mutual employee connection)。相互员工连接标准还可以被分为相互员工连接的数目、相互员工连接的指定、相互员工连接的领域、或与相互员工连接重叠的工作经验。
类似地，每个被调用的候选人简档中提供的信息(简档数据)像候选人搜索数据的类别那样被分为多个类别。将每个候选人简档内的简档数据与候选人搜索数据进行比较，并且确定按照类别的匹配(category by categorymatch)。基于按照类别的匹配程度，对每个候选人简档评分。例如，相比于简档数据和候选人搜索数据之间匹配程度更低的另一候选人简档，简档数据和候选人搜索数据之间匹配程度更高的候选人简档被分配更高的分数。例如，如果候选人搜索数据规定“具有至少十年经验的销售主管”，则与拥有销售主管职务且具有最少十年经验的候选人相对应的那些候选人简档与不符合候选人搜索数据中规定的要求的其它简档相比，将被分配更高的分数。具体来说，类别职务和工作经验内的简档数据与被分类为职务和工作经验的候选人搜索数据进行比较，以便确定匹配程度。在一个实施例中，不同的权重被分配给候选人搜索数据的多个类别中的每一个。然后基于确定每个类别中简档数据和候选人搜索数据的匹配程度来对候选人简档评分，并根据匹配程度并基于分配给那个类别的权重来分配分数。作为对排序系统的输入的权重和标准是可配置的。
在过程块240，识别满足阈值分数的候选人简档。在一个方面中，阈值分数是参考值，其中分数等于或大于参考值的简档被视为已满足阈值分数。候选人简档可以根据他们各自的分数按升序或降序排序，并被提供为排序列表以用于进一步的处理和/或分析。
此外，在过程块250，过程确定满足阈值分数的候选人简档是否具有与多个参与者的相互连接。换句话说，确定所识别的候选人简档是否连接到推荐程序的多个参与者中的两个或更多个。例如，候选人简档可以属于这样的候选人，其是在线社交网络上的第一参与者的连接(或“朋友”)而且也是相同的或不同的在线社交网络上的第二参与者的连接。类似地，候选人可以是到推荐程序的多个其他参与者的连接。在一个方面中，基于确定推荐程序中的两个或更多个参与者链接到同一候选人简档来识别相互连接。此外，两个或更多个参与者充当特定候选人简档从在线社交网络系统到存储库的通道。
在过程块260，在一个实施例中，生成第一图形表示，其包括所识别的简档以及与每个所识别的简档相对应的相互员工/参与者连接。第一图形表示被提供以在图形用户界面(GUI)上显示。在过程块270，通过GUI接收对一个或多个所识别的简档的选择，并且作为响应生成第二图形表示。第二图形表示示出了所选择的一个或多个所识别的简档、以及到连接到一个或多个所识别的简档的(一个或多个)参与者的连接。将参照图6和图7更详细地描述图形表示。
此外，响应于接收对连接到特定候选人简档的一个或多个参与者的选择，向所选择的一个或多个参与者自动发送反馈表单，以用于评估与候选人简档相关联的候选人。在一方面中，可以基于参与者与特定工作职位的业务相关性来选择参与者。可以基于分配给类别(即，在过程块230的相互员工连接的指定、相互员工连接的领域、与相互员工连接重叠的工作经验等)的个人分数，来确定参与者的业务相关性。在一个示例中，对于业务分析师的工作职务，四个参与者连接到一个候选人简档。如果四个参与者中的每一个受雇于组织中的各种部门，诸如分别为人力资源、销售、业务开发和产品开发，则反馈表单很可能被发送到来自业务开发的参与者。可替换地，可以使用参与者分数来单独确定参与者的业务相关性。在一个方面中，基于评估组织中对参与者的指定、参与者在组织中的雇用期、参与者受雇领域的相关性等，来计算参与者分数。例如，受雇于比工作职位的等级更高的等级水平的参与者可以比受雇于更低或类似的等级水平的参与者具有更高的参与者分数。类似地，受雇于组织超过五年的参与者可以比受雇于组织一年的参与者评分更高。
候选人简档物色和筛选
图3图示了实现候选人简档物色和筛选过程的示例性系统的框图。系统300包括通信地耦合到一个或多个用户设备130的简档排序系统110。一个或多个用户设备130被推荐程序的一个或多个参与者(P1、P2、P3和Pn)135访问。在一个方面中，推荐程序被采用简档排序系统110的实体托管。一个或多个参与者135具有一个或多个在线社交网络系统140上的虚拟用户账户141、142、143和144(U1、U2和Un(n为任何累进数字))。一个或多个参与者135的虚拟用户账户U1、U2和Un中的每一个包括识别社交网络系统140中的连接到参与者135的一个或多个其他成员(“候选人”)的候选人简档145的信息。
在一个实施例中，简档排序系统110是具有处理器的计算机，该处理器执行存储在计算机可读存储介质上的包括简档物色和筛选工具的软件指令或代码，以执行参照图4至图7图示的过程。简档排序系统110包括从计算机可读存储介质读取指令并且将该指令存储在存储装置或随机存取存储器(RAM)中的介质读取器。例如，计算机可读存储介质包括用于执行操作的可执行的指令，所述操作包括但不限于：从推荐程序的一个或多个参与者135接收授权以访问与参与者135相对应的虚拟账户141、142、143或144(U1、U2或者Un)；访问与社交网络系统140中的连接到参与者135的成员相对应的候选人简档145；以及将候选人简档145存储在简档存储库150中。
此外，计算机可读存储介质包括可执行指令以用于：接收候选人搜索数据；从简档存储库150调用一组候选人简档；基于候选人搜索数据和简档数据之间的匹配程度，对被调用的候选人简档评分；识别满足阈值分数的候选人简档；识别所识别的简档与多个参与者的相互连接；生成所识别的简档以及所识别的简档与多个参与者的相互连接的第一图形表示；通过图形用户界面接收对一个或多个所识别的简档的选择；生成第二图形表示，其示出了所选择的(一个或多个)简档以及所选择的(一个或多个)简档与一个或多个参与者的链接；以及响应于接收到第二图形表示中的对参与者的选择，自动将反馈表单发送到所选择的参与者以用于评估与链接到所述参与者的候选人简档相关联的候选人。
在一个方面中，简档存储库150是内置于计算机中的存储介质。除了存储候选人简档，简档存储库150还保存与每个候选人简档的源有关的信息，即，与从其接收候选人简档的参与者的虚拟账户和社交网络系统有关的信息。例如，简档存储库可以保存诸如针对虚拟账户的参与者的虚拟身份、在线社交网络系统的名称、与候选人的关系的类型等的信息。为了识别候选人简档与多个参与者的相互连接，处理器可以从计算机中的存储器位置调用参与者的虚拟身份与推荐程序中参与者的实际名字的映射。该映射在参与者注册推荐程序以及他/她提供关于他/她的虚拟身份和所述参与者为其成员的在线社交网络系统的名称的信息的时候生成和/或维持。根据该映射，处理器确定候选人简档是否具有连接到与候选人简档相关联的候选人的两个或更多个参与者。
在一个示例中，如图3中所示，参与者P1通过他/她的虚拟用户账户141(U1)连接到候选人(“成员”)A、B、C和D。然而，候选人C也通过第一社交网络系统(SNS1)和第三社交网络系统(SNS3)中的参与者P3的虚拟用户账户143(U3)连接到参与者P3。类似地，候选人E经由社交网络系统140(SNS1、SNS2和SNS3)上的相应的虚拟用户账户142(U2)和143(U3)连接到两个参与者P2和P3。
在一个实施例中，响应于接收到候选人搜索数据，排序系统110的处理器从简档存储库150调用一组候选人简档。如参照图4的示例中所示，从简档存储库150调用与连接到参与者用户账户U1、U2、U3和U4相关联的候选人相关联的候选人简档145A、H、E、F和M。如上所提及的，候选人简档A、H、E、F和M可以基于对简档的初步筛选来选择，所述简档的初步筛选是基于候选人简档与工作职位的相关性的。候选人简档的相关性是基于候选人搜索数据来确定的。候选人搜索数据定义了候选人胜任工作职位的标准。例如，如果候选人搜索数据中的标准规定了产品管理经验、计算机科学学位和Java编程技能，则将基于这些标准识别初步的候选人简档。在一个方面中，初步筛选通过从每个候选人简档识别简档数据中的关键术语来执行。关键术语可以从候选人搜索数据确定。例如，候选人搜索数据中的标准可以规定具有销售经验的人，而且可以在初步筛选中选择包括关键术语销售的简档。
候选人简档A、H、E、F和M拥有与跟每个简档相关联的候选人有关的个人和专业信息(简档数据)。根据候选人搜索数据的分类，简档数据被分为多个类别。例如，如果候选人搜索数据被分为诸如技能、工作经验、教育、职务、相互员工连接等的类别，则简档A、H、E、F和M中的每一个内的简档数据也被分为类似的类别。在一个方面中，在基于初步筛选选择了候选人简档A、H、E、F和M之后，简档数据被自动分类。如果简档数据已经被分为由社交网络系统所呈现的简档中的相似类别，则简档数据可以基于候选人搜索数据中和简档数据的类别的首标的匹配被自动分类。然而，另一方面中，如果简档数据没有被分类或者被分类成不同于候选人搜索数据的类别的一组类别，则处理器基于在简档数据中检测从在候选人搜索数据中的每个类别下提供的标准识别的关键术语，来自动执行简档数据的分类。
一旦简档A、H、E、F和M中的每一个内的简档数据被分为多个类别，处理器就执行候选人搜索数据和简档数据的按照类别的比较，以评估匹配程度。例如，分别根据类别1、2、3、4和5中的每一个下的标准1、标准2、标准3、标准4和标准5，候选人搜索数据可以被分为类别1、2、3、4和5。简档A、H、E、F和M中的每一个内的简档数据进而被分为类别1、2、3、4和5。然而，如图4中所示，一些简档内的简档数据可以具有缺失的或不完整的信息，从而无法被分为全部五个类别。例如，简档A缺失类别5的信息，即“相互员工连接”。类似地，简档F缺失类别2和5的信息。
基于比较，处理器检测简档数据和候选人搜索数据之间的按照类别的匹配，并且向每个类别中的简档数据分配分数。简档A、H、E、F和M中的每一个的分数被计算为每个简档的按照类别的简档数据的累计分数。在给定示例中，基于比较，简档A、H和E被识别为简档A、H、E、F和M当中具有三个最高分数的简档。可替换地，简档A、H和E被识别为具有满足阈值的分数的简档。在一个方面中，处理器基于分配给每个类别的预定义的权重来向每个类别分配分数。例如，特定的工作职位可能关系到涉及处理机密商业信息的职务。在这种情形下，可以给在类别“相互员工连接”和“工作经验”的标准更高的权重，以使得那些具有更多数量的员工相互连接并且具有曾经在较高道德的组织中的工作经验的候选人与不满足这两个标准的其他候选人相比，将被分配更高的分数。
为简单起见，在图5中所示的表中，仅参照简档A和H图示了对候选人简档内的简档数据评分的过程。如图所示，分类的各种类别大致被分成“工作简档”和“社交简档”。诸如“相关技能”、“先前的工作经历”、“职位和职责”和“教育”之类的类别是工作简档下的因素。诸如“相互员工连接”、“所连接的员工的部门”、“所连接的员工的指定”和“与员工重叠的工作经验”之类的类别是社交简档下的因素。然后以如字段“度量”下所示的可量化的术语进一步定义各类别。例如，以可量化的术语，即“相关技能的数目”，定义类别“相关技能”，以便在特定类别“相关技能”下对简档数据评分。字段“最大值”提供了参考值，基于该参考值来对候选人简档数据评分。在给定示例中，诸如“相关职位和职责”、“教育背景”、“所连接的员工的部门”、“所连接的员工的指定”之类的一些类别被分配以最大值(上限)“10”，以使得这些类别中的数据可以以标准化的方式在所有的候选人简档中被评估。基于每个类别中“度量”和“最大值”字段中的值，对候选人简档进行评分并且计算累积分数。在针对简档A和简档H所示的示例中，累积分数指示简档H具有更高的分数，因此可能比简档A更符合这个工作职位。此外，不同的权重可以被分配到各类别，从而将重点放在优于某些其它类别的某些类别上。例如，相比下工作简档下的类别，社交类别下的类别可以被给予更多的权重。
返回参照图4中的示例，处理器然后通过调用推荐程序所提供的示出参与者P1、P2和P3的虚拟身份与参与者P1、P2和P3的实际名字的映射的记录或文件，来识别简档A、H和E中的每一个的相互连接。根据映射，处理器确定简档A、H和E中的任一个是否具有连接到它的多于一个的参与者。在给定示例中，处理器确定候选人简档E具有两个参与者：分别经由用户账户U2和U3连接到它的参与者P2和P3。
在识别满足阈值分数的简档之后，处理器可以通过与所选择的参与者相关联的电子邮件或其它消息服务，自动向与所识别的简档相关联的可选择数目的参与者发送反馈表单。在一个方面中，可以基于某些标准，诸如组织中对参与者的指定、参与者被雇用的领域、参与者在组织中的雇佣期等，来选择将向其发送反馈表单的参与者。可以基于预定义的规则自动确定对将向其发送反馈表单的参与者的选择。在又一方面中，对接收反馈表单的参与者的选择基于对参与者的推荐历史的确定。本文所使用的术语“推荐历史”是指关于参与者涉及的先前的推荐程序的结果的统计。这样的统计可以包括链接到所述参与者的已被雇佣的候选人的数目、链接到所述参与者的已被雇佣的候选人的成绩、参与者在提供反馈方面的反馈周转时间和参与程度等。
在给定示例中，处理器可以向与所识别的候选人简档A、H和E相关联的所有参与者P1、P2和P3发送反馈表单。可替换地，处理器可以基于某一标准选择参与者P1，P2和P3中的任何一个或多个。例如，可以向与具有最高数目的“相互员工连接”的简档相关联的参与者发送反馈表单。在给定示例中，候选人简档E被识别为具有通过用户账户U2和U3与参与者P2和P3的相互员工连接的简档。然后向参与者P2和P3发送反馈表单，以请求对与候选人简档E相关联的候选人的评价或推荐。
图6图示了依据一个实施例的候选人简档和相关联的参与者连接的图形表示。图形表示被呈现在简档排序系统的图形用户界面(GUI)600上。图形表示提供了各候选人(面对面(vis-a-vis)候选人简档)以及候选人和连接到候选人的参与者之间的连接的可视指示。在基于候选人搜索数据执行对候选人简档的搜索之后，如图6中所示地生成图形表示。在一个实施例中，图形表示是处于具有节点615、620以及边630的有向图610的形式。节点615和620分别代表候选人和参与者，而边630代表节点615或620之间的连接。在一个方面中，代表候选人的节点615与代表参与者的节点620在视觉上被不同地呈现。在给定示例中，每个节点615识别那个节点所代表的候选人的名字。类似地，每个节点620识别那个节点所代表的参与者的实际名字。边630代表参与者节点620和候选人节点615之间的连接。在一个实施例中，代表候选人的节点615例如，根据正比于与候选人简档相关联的简档分数的大小来以不同大小呈现。此外，根据相互参与者连接的数目，可以使用任何形式的视觉效果在视觉上区分节点。例如，具有三个或更多个相互参与者连接的候选人可以由节点旁边的“星形”符号表示。包括但不限于图形、图表和标绘图的任何其它形式的图形表示都在本实施例的范围之内。
在一个实施例中，图形表示被呈现在交互式界面上，以使得可以通过接收对形成图形表示的所有元素或部分元素的选择来接收输入。在给定示例中，可以通过在特定节点或边上指向光标以及调用输入设备的输入装置来选择节点和/或边。输入被接收为对被指向的特定节点或边的选择，而且对应的功能被启用。在一个方面中，经由用户界面接收对一个或多个候选人节点的选择来生成图7中所示的第二图形表示。
在图7中的第二图形表示640可以被呈现为图6的第一图形表示610的布局内的插图。第二图形表示640显示代表所选择的一个或多个候选人的一个或多个节点615、以及代表与所选择的一个或多个候选人中的每一个相关联的参与者的一个或多个图标645、646和647。在一个方面中，接收对任意图标645、646和647的选择自动调用向所选择的图标所代表的参与者发送反馈表单的触发器。在一个方面中，经由到与参与者相关联的用户设备130的电子邮件服务或其它消息服务向参与者发送反馈表单。在给定示例中，接收对代表候选人“Bane C”的节点615的选择调用自动向参与者645发送反馈表单的触发器。可替换地，接收对代表与候选人“Bane C”相关联的参与者的图标645的选择调用向所选择的图标645所代表的参与者发送反馈表单的触发器。
一些实施例可以包括被编写为一个或多个软件组件的上述方法。这些组件以及与每个组件相关联的功能可以被客户端、服务器、分布式或对等计算机系统使用。这些组件可以以与一个或多个编程语言相对应的计算机语言编写，诸如功能性、说明性、程序性、面向对象的、低级语言等。它们可以经由各种应用编程接口链接到其它组件，然后被编译成一个用于服务器或客户端的完整应用。可替换地，组件可以在服务器和客户端应用中实现。此外，这些组件可以经由各种分布式编程协议链接在一起。一些示例性实施例可以包括用来在分布式编程环境上实现这些组件中的一个或多个的远程进程调用。例如，逻辑层可以驻留在第一计算机系统上，第一计算机系统远离包含接口层(例如，图形用户界面)的第二计算机系统。这些第一计算机系统和第二计算机系统可以被配置在服务器-客户端、端对端、或一些其他配置中。客户端在复杂性上可以从移动设备和手持设备变化到薄客户端和厚客户端或者甚至其它服务器。
以上图示的软件组件作为指令被有形地存储在计算机可读存储介质上。术语“计算机可读存储介质”应该被认为包括存储一个或多个指令集的单个介质或多个介质。术语“计算机可读存储介质”应该被认为包括任何物理物品(article)，其能够经历一组物理变化以以物理方式存储、编码或以其它方式携带供计算机系统运行的、将使得计算机系统执行本文所描述、代表或图示的任意方法或过程步骤的指令集。计算机可读存储介质可以是非暂态计算机可读存储介质。非暂态计算机可读存储介质的示例包括但不限于：磁介质，诸如硬盘、软盘和磁带；光介质，诸如CD-ROM、DVD和全息设备(holographicdevice)；磁光介质；以及硬件设备，其被专门配置以存储和运行，诸如专用集成电路(“ASIC”)、可编程逻辑器件(“PLDS”)以及ROM和RAM设备。计算机可读指令的示例包括机器代码，诸如由编译器产生的代码，以及由计算机使用解释器运行的、包含更高级代码的文件。例如，实施例可以使用Java、C++或其它面向对象编程语言和开发工具来实现。另一实施例可以在硬连线电路中实现，以代替机器可读软件指令或与机器可读软件指令相结合。
图8是示例性计算机系统800的框图。计算机系统800包括处理器805，处理器805运行存储在计算机可读存储介质855上的软件指令或代码以执行本发明的以上图示的方法。处理器805可以包括多个核。计算机系统800包括介质读取器840以从计算机可读存储介质855读取指令并且将所述指令存储在存储装置810或随机存取存储器(RAM)815中。存储装置810提供用于保持静态数据的大的空间，其中能够存储用于随后运行的至少一些指令。根据一些实施例，诸如内存计算系统的一些实施例，RAM815可以具有足以存储在RAM815中而非存储装置810中处理所需的那么多数据的存储容量。在一些实施例中，处理所需的所有数据可以被存储在RAM815中。存储的指令可以被进一步编译以生成指令的其它表示并被动态存储在RAM815中。处理器805从RAM815读取指令并按照指示执行动作。根据一个实施例，计算机系统800还包括输出设备825(例如，显示器)和输入设备830，输出设备825向用户提供包括但不限于视觉信息的至少一些运行结果作为输出，输入设备830向用户或其它设备提供用于录入数据和/或以与计算机系统800进行其它交互的装置。这些输出设备825和输入设备830中的每一个都可以通过一个或多个附加外围设备加入，以进一步扩展计算机系统800的能力。网络通信器835可以被提供以将计算机系统800连接到网络850，并进而连接到已连接到网络850的其它设备，例如包括其它客户端、服务器、数据存储和界面。计算机系统800的模块经由总线845互连。计算机系统800包括用于访问数据源860的数据源接口820。数据源860可以经由在硬件或软件中实现的一个或多个抽象层访问。例如，数据源860可以通过网络850访问。在一些实施例中，数据源860可以经由抽象层，例如语义层，访问。
数据源是信息资源。数据源包括启用数据存储和检索的数据的源。数据源可以包括数据库，诸如关系的、事务的、分层的、多维的(例如，OLAP)、面向对象的数据库等。进一步的数据源包括表格数据(例如，电子表格、带分隔符的文本文件)、利用标记语言加标签的数据(例如，XML数据)、事物数据、非结构化数据(例如，文本文件、屏幕抓取)、分层数据(例如，文件系统中的数据、XML数据)、文件、多个报告、以及可通过由底层软件系统(例如，ERP系统)产生的既定协议(诸如，开放式数据库互连(Open DataBaseConnectivity，ODBC))访问的任何其它数据源等。数据源还可以包括数据源，其中数据未被有形地存储或者以其他方式短暂存在，诸如数据流、广播数据等。这些数据源可以包括相关联的数据基础、语义层、管理系统、安全系统等。
在以上描述中，阐明了许多具体细节以提供对实施例的彻底理解。然而，相关领域的技术人员将意识到，实施例可以在没有一个或多个具体细节的情况下实施或利用其它方法、组件、技术等实施。在其它实例中，未详细示出或描述公知的操作或结构。
虽然这里所图示和描述的过程包括一系列步骤，但是将会理解，不同实施例不受所图示的步骤顺序的限制，因为除了这里所示出和描述的步骤以外，一些步骤可以以不同顺序发生，一些步骤可以与其它步骤同时进行。此外，为了实现依据一个或多个实施例的方法，可能并不需要所有图示的步骤。而且，将会理解，过程可以与本文所示出和描述的装置和系统相关联地、以及与未图未的其它系统相关联地实现。
实施例的以上描述和说明(包括摘要中的描述的东西)并非旨在穷举或将一个或多个实施例限制为所公开的确切形式。虽然为了说明的目的在本文中描述了本发明的实施例和示例，但是如相关领域技术人员将认识到的，各种等效修改在本发明的范围内是可能的。鉴于以上详细描述，可以做出这些修改。更确切地说，范围是通过权利要求来确定的，所述权利要求将依据权利要求构造的既定原则进行解释。

Claims (20)

1.一种对候选人简档进行排序的计算机实现的方法，该方法包括：
由计算机从参与者接收授权，以访问社交网络系统上的参与者的账户，其中，参与者连接到社交网络系统中的一个或多个候选人；
由计算机提取与社交网络系统中的连接到参与者的一个或多个候选人相对应的简档；
将所提取的简档中包含的简档数据分为一个或多个类别；
根据各个分类的简档数据和候选人搜索数据之间的匹配程度对所提取的简档评分；
基于所提取的简档的评分，对连接到参与者的一个或多个候选人进行排序；以及
提供一个或多个被排序的候选人的列表。
2.如权利要求1所述的方法，还包括接收对至少一个被排序的候选人的选择并且自动地向参与者发送反馈表单。
3.如权利要求1所述的方法，还包括将权重分配给所述一个或多个类别，并且根据加权的一个或多个类别中的简档数据和候选人搜索数据之间的匹配程度对所提取的简档评分。
4.如权利要求1所述的方法，其中，将所提取的简档中包含的简档数据分为一个或多个类别包括将简档数据分为技能、工作经验、职务、教育、和相互参与者连接。
5.如权利要求1所述的方法，其中，根据各个分类的简档数据和候选人搜索数据之间的匹配程度对所提取的简档评分包括：
将每个所提取的简档内的已分类的简档数据与候选人搜索数据进行比较；以及
基于每个所提取的简档内的已分类的简档数据与候选人搜索数据之间的匹配程度，对每个所提取的简档评分。
6.一种对候选人简档进行排序的计算机实现的方法，该方法包括：
由计算机从参与者接收授权，以访问社交网络系统上的参与者的账户，其中，参与者连接到社交网络系统中的一个或多个候选人；
由计算机提取与社交网络系统中的连接到参与者的一个或多个候选人相对应的一个或多个简档；
由计算机识别社交网络系统中的连接到所述参与者的一个或多个候选人和与所述参与者相关联的一个或多个其他参与者的相互连接；
基于所识别的相互连接的各自数目，对所提取的简档评分；
基于一个或多个简档的评分，对连接到所述参与者的一个或多个候选人进行排序；以及
提供一个或多个被排序的候选人的列表。
7.如权利要求6所述的方法，还包括：
将相互连接分为一个或多个类别；
将权重分配给一个或多个类别；以及
部分地基于分配给一个或多个类别的权重，对所提取的简档评分。
8.如权利要求6所述的方法，还包括生成图形表示，其示出了至少一个所提取的简档、以及所识别的社交网络系统中的连接到所述参与者的一个或多个候选人和一个或多个其他参与者的相互连接。
9.如权利要求8所述的方法，还包括提供所提取的简档的排序的可视指示。
10.如权利要求8所述的方法，还包括：
提供用于呈现在图形用户界面(GUI)上的图形表示；
接收对至少一个所提取的简档的选择；
响应于接收到选择，生成示出所选择的至少一个所提取的简档以及一个或多个相互连接的另一图形表示；以及
提供所述另一图形表示。
11.如权利要求10所述的方法，还包括向所述参与者以及连接到所选择的至少一个所提取的简档的一个或多个其他参与者发送反馈表单，其中，所述反馈表单请求针对与所选择的至少一个所提取的简档相关联的候选人的反馈。
12.一种在候选人简档排序系统中以图形方式表示候选人简档的计算机实现的方法，该方法包括：
接收候选人搜索数据；
从简档存储库检索一组候选人简档，其中，所述一组候选人简档是从与推荐系统的多个参与者相关联的社交网络账户提取的；
根据候选人搜索数据和所述一组候选人简档内的简档数据之间的匹配程度，对所述一组候选人简档评分；
从一组被评分的候选人简档识别满足阈值分数的一个或多个候选人简档；
识别一个或多个所识别的候选人简档与多个参与者的相互连接；
生成包括一个或多个所识别的候选人简档以及所识别的相互连接的第一图形表示；
提供第一图形表示以用于显示；
接收对一个或多个所识别的候选人简档中的至少一个的选择；
生成包括所选择的至少一个简档以及连接到所选择的至少一个简档的所述多个参与者中的一个或多个参与者的第二图形表示；以及
提供第二图形表示以用于显示。
13.如权利要求12所述的方法，其中，第一图形表示包括具有节点和边的有向图，其中，所述边代表所述节点之间的连接，其中，所述节点代表所选择的简档和多个参与者。
14.如权利要求13所述的方法，其中，代表所选择的简档的节点与代表多个参与者的节点在视觉上不同。
15.如权利要求14所述的方法，其中，代表所选择的简档的节点以不同大小呈现，其中，节点的大小正比于与该节点相对应的所选择的简档的简档分数。
16.如权利要求14所述的方法，还包括接收对至少一个节点的选择，而且响应于该选择，向由所选择的至少一个节点代表的参与者发送反馈表单。
17.一种在通信网络中操作的系统，包括：
社交网络系统；以及
包括存储器和处理器的计算机，该存储器存储程序代码，该处理器执行程序代码以便：
接收候选人搜索数据；
从推荐系统的多个参与者的社交网络账户提取一组候选人简档，其中，所述一组候选人简档对应于社交网络系统中的连接到所述多个参与者的候选人；
根据候选人搜索数据和所述一组候选人简档内的简档数据之间的匹配程度，对所述一组候选人简档评分；
从一组被评分的候选人简档识别满足阈值分数的一个或多个候选人简档；
识别一个或多个所识别的候选人简档与多个参与者的相互连接；
生成包括一个或多个所识别的候选人简档以及所识别的相互连接的第一图形表示；
提供第一图形表示以用于显示；
接收对一个或多个所识别的候选人简档中的至少一个的选择；
生成包括所选择的至少一个简档以及连接到所选择的至少一个简档的所述多个参与者中的一个或多个参与者的第二图形表示；以及
提供第二图形表示以用于显示。
18.如权利要求17所述的系统，其中，所述候选人搜索数据和简档数据被分为多个类别。
19.如权利要求17所述的系统，进一步地，其中，所识别的相互连接还被分为所连接的参与者的领域、相互参与者连接的数目、对所连接的参与者的指定、以及与所连接的参与者重叠的工作经验。
20.如权利要求17所述的系统，其中，所述多个参与者共同地与操作该系统的实体相关联。
CN201410274019.5A 2013-06-18 2014-06-18 候选人简档的自动物色和筛选 Pending CN104239393A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/920,092 US20140372329A1 (en) 2013-06-18 2013-06-18 Automated sourcing and screening of candidate profiles
US13/920,092 2013-06-18

Publications (1)

Publication Number Publication Date
CN104239393A true CN104239393A (zh) 2014-12-24

Family

ID=50982738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410274019.5A Pending CN104239393A (zh) 2013-06-18 2014-06-18 候选人简档的自动物色和筛选

Country Status (3)

Country Link
US (1) US20140372329A1 (zh)
EP (1) EP2816512A1 (zh)
CN (1) CN104239393A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106203935A (zh) * 2015-06-11 2016-12-07 唐锐 基于用户生成内容及用户关系的技能评估与岗位匹配方法
CN107679246A (zh) * 2017-10-31 2018-02-09 努比亚技术有限公司 一种基于社交应用的礼物推送方法、计算机终端和计算机可读存储介质
CN108415748A (zh) * 2018-03-01 2018-08-17 广州南方人才资讯科技有限公司 信息显示方法和系统、计算机存储介质及设备
US10166439B2 (en) 2017-01-24 2019-01-01 International Business Machines Corporation Biometric monitoring system
CN109598652A (zh) * 2017-09-30 2019-04-09 甲骨文国际公司 事件推荐系统
CN109598650A (zh) * 2017-09-30 2019-04-09 甲骨文国际公司 招收和录取系统
CN110020763A (zh) * 2018-01-10 2019-07-16 塔塔咨询服务有限公司 用于使评分者社区访问聚集的评分技术的方法和系统
CN110889038A (zh) * 2019-11-19 2020-03-17 平安金融管理学院(中国·深圳) 人脉数据的生成方法、装置、计算机设备及存储介质
CN112422401A (zh) * 2019-08-21 2021-02-26 可可株式会社 通过匿名简介提供社交网络服务的界面的显示方法及装置
CN114930370A (zh) * 2020-01-17 2022-08-19 麦奇集团有限责任公司 用于基于第三方进行的选择匹配用户的系统和方法
CN115687762A (zh) * 2022-10-31 2023-02-03 北京淘友天下技术有限公司 职位邀约方法、装置、电子设备、存储介质及程序产品
CN117454317A (zh) * 2023-12-25 2024-01-26 辽宁邮电规划设计院有限公司 一种融合数据治理方法及系统

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9165134B2 (en) * 2011-03-08 2015-10-20 Telefonica, S.A. Method for providing authorized access to a service application in order to use a protected resource of an end user
US9146894B2 (en) * 2013-08-08 2015-09-29 Facebook, Inc. Objective value models for entity recommendation
US9804737B2 (en) 2014-01-27 2017-10-31 Groupon, Inc. Learning user interface
US20160162840A1 (en) * 2014-10-07 2016-06-09 Rick Roberts Talent acquisition and management system and method
US10042939B2 (en) * 2014-10-31 2018-08-07 Microsoft Technology Licensing, Llc Techniques for personalizing expertise related searches
US20170032325A1 (en) * 2015-07-31 2017-02-02 Linkedln Corporation Entity aware snippets
US10445305B2 (en) 2015-08-28 2019-10-15 Microsoft Technology Licensing, Llc Prioritizing keywords
US10474997B2 (en) 2015-08-28 2019-11-12 Microsoft Technology Licensing, Llc Generating popularity scores for keywords
US10496662B2 (en) 2015-08-28 2019-12-03 Microsoft Technology Licensing, Llc Generating relevance scores for keywords
US10477363B2 (en) 2015-09-30 2019-11-12 Microsoft Technology Licensing, Llc Estimating workforce skill misalignments using social networks
US20180039944A1 (en) * 2016-01-05 2018-02-08 Linkedin Corporation Job referral system
US11080626B2 (en) * 2016-03-17 2021-08-03 International Business Machines Corporation Job assignment optimization
US20180060438A1 (en) * 2016-08-25 2018-03-01 Linkedin Corporation Prioritizing locations for people search
US20180060433A1 (en) * 2016-08-25 2018-03-01 Linkedin Corporation Prioritizing keywords for people search
US20180060432A1 (en) * 2016-08-25 2018-03-01 Linkedln Corporation Prioritizing people search results
US11308448B1 (en) 2017-04-12 2022-04-19 Massachusetts Mutual Life Insurance Company Intelligent employment-based blockchain
EP3616144A1 (en) * 2017-04-25 2020-03-04 Quitmeyer, Douglas Job matching system and process
US20190066023A1 (en) * 2017-08-31 2019-02-28 Salesforce.Com, Inc. Devices and methods for generating, maintaining, and providing a cognitive career profile and associated career data

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6208984B1 (en) * 1997-08-29 2001-03-27 Electronic Data Systems Corporation Method and system of determining access to records of members of a community
US6457005B1 (en) * 1999-06-17 2002-09-24 Hotjobs.Com, Ltd. Method and system for referral management
US6968313B1 (en) * 1999-11-15 2005-11-22 H Three, Inc. Method and apparatus for facilitating and tracking personal referrals
WO2001073660A1 (en) * 2000-03-27 2001-10-04 Lawcorps Computer-implemented web database system for staffing of personnel
US20030208393A1 (en) * 2001-04-19 2003-11-06 John Younger Method and system generating referrals for job positions based upon virtual communities comprised of members relevant to the job positions
US20060242014A1 (en) * 2005-04-25 2006-10-26 Marshall Charles T Contacts networking technology
US20080228813A1 (en) * 2007-03-16 2008-09-18 Benjamin Weiss Trusted-referral systems and methods
US8452803B2 (en) * 2008-04-29 2013-05-28 Samir Ghosh Method and system for distributed data management of personal data in a social networking context
US8249995B2 (en) * 2008-09-02 2012-08-21 Robert A. Shepard Method using market-based social networking to create jobs and referral fees
US20120330854A1 (en) * 2009-05-08 2012-12-27 Maclaughlin Edwin J Distributable referral directory
US8370482B2 (en) * 2009-11-30 2013-02-05 Xerox Corporation Method and system for storing and distributing social and business contact information online
US20110276582A1 (en) * 2010-05-04 2011-11-10 Schmitt Steven J Systems and methods for a job and referral recommendation engine
US20120095931A1 (en) * 2010-10-19 2012-04-19 CareerBuilder, LLC Contact Referral System and Method
US8650177B2 (en) * 2011-01-27 2014-02-11 Linkedin Corporation Skill extraction system
US9069945B2 (en) * 2011-03-04 2015-06-30 Puneet Singh User validation in a social network
US20130013526A1 (en) * 2011-07-06 2013-01-10 Le Viet Stephane Social networking job matching technology
WO2013049698A2 (en) * 2011-09-30 2013-04-04 Cornerstone Ondemand, Inc Methods and systems for managing requisition and hiring
US20130275320A1 (en) * 2012-04-16 2013-10-17 Google Inc. Identifying Prospective Employee Candidates via Employee Connections
US20140081884A1 (en) * 2012-09-14 2014-03-20 Salesforce.Com, Inc. Systems and methods of providing a streamlined referral flow

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106203935B (zh) * 2015-06-11 2019-11-05 唐锐 基于用户生成内容及用户关系的技能评估与岗位匹配方法
CN106203935A (zh) * 2015-06-11 2016-12-07 唐锐 基于用户生成内容及用户关系的技能评估与岗位匹配方法
US10166439B2 (en) 2017-01-24 2019-01-01 International Business Machines Corporation Biometric monitoring system
US10166437B2 (en) 2017-01-24 2019-01-01 International Business Machines Corporation Biometric monitoring system
CN109598650B (zh) * 2017-09-30 2023-12-08 甲骨文国际公司 招收和录取系统
CN109598652A (zh) * 2017-09-30 2019-04-09 甲骨文国际公司 事件推荐系统
CN109598650A (zh) * 2017-09-30 2019-04-09 甲骨文国际公司 招收和录取系统
CN109598652B (zh) * 2017-09-30 2024-04-12 甲骨文国际公司 事件推荐系统
CN107679246A (zh) * 2017-10-31 2018-02-09 努比亚技术有限公司 一种基于社交应用的礼物推送方法、计算机终端和计算机可读存储介质
CN110020763A (zh) * 2018-01-10 2019-07-16 塔塔咨询服务有限公司 用于使评分者社区访问聚集的评分技术的方法和系统
CN108415748A (zh) * 2018-03-01 2018-08-17 广州南方人才资讯科技有限公司 信息显示方法和系统、计算机存储介质及设备
CN112422401A (zh) * 2019-08-21 2021-02-26 可可株式会社 通过匿名简介提供社交网络服务的界面的显示方法及装置
CN112422401B (zh) * 2019-08-21 2022-12-30 可可株式会社 通过匿名简介提供社交网络服务的界面的显示方法及装置
CN110889038A (zh) * 2019-11-19 2020-03-17 平安金融管理学院(中国·深圳) 人脉数据的生成方法、装置、计算机设备及存储介质
US11775600B2 (en) 2020-01-17 2023-10-03 Match Group, Llc System and method for matching users based on selections made by third parties
CN114930370A (zh) * 2020-01-17 2022-08-19 麦奇集团有限责任公司 用于基于第三方进行的选择匹配用户的系统和方法
CN115687762A (zh) * 2022-10-31 2023-02-03 北京淘友天下技术有限公司 职位邀约方法、装置、电子设备、存储介质及程序产品
CN115687762B (zh) * 2022-10-31 2023-11-07 北京淘友天下技术有限公司 职位邀约方法、装置、电子设备、存储介质及程序产品
CN117454317A (zh) * 2023-12-25 2024-01-26 辽宁邮电规划设计院有限公司 一种融合数据治理方法及系统
CN117454317B (zh) * 2023-12-25 2024-03-19 辽宁邮电规划设计院有限公司 一种融合数据治理方法及系统

Also Published As

Publication number Publication date
US20140372329A1 (en) 2014-12-18
EP2816512A1 (en) 2014-12-24

Similar Documents

Publication Publication Date Title
CN104239393A (zh) 候选人简档的自动物色和筛选
Gibbs et al. The “megapozitiv” role of enterprise social media in enabling cross-boundary communication in a distributed Russian organization
Acker et al. Data craft: A theory/methods package for critical internet studies
O'Murchu et al. Online Social and Business Networking Communities.
Chui et al. The social economy: Unlocking value and productivity through social technologies
Purtova Property rights in personal data: A European perspective
Boyd et al. Social network sites: Definition, history, and scholarship
US8639650B1 (en) Profile-responsive system for information exchange in human- and device-adaptive query-response networks for task and crowd management, distributed collaboration and data integration
Shami et al. Making sense of strangers' expertise from signals in digital artifacts
Maybury Expert finding systems
Gammelgaard Knowledge retrieval through virtual communities of practice
US20140201216A1 (en) Creating user skill profiles through use of an enterprise social network
CA2844801A1 (en) System and method for relevant business networking based in controlled relevancy groups, responsibilities and measured performance
Vuori et al. Network level knowledge sharing: Leveraging Riege’s model of knowledge barriers
US20170214589A1 (en) Identifying gateway members between groups in social networks
Trippas et al. Learning about work tasks to inform intelligent assistant design
Mughaid et al. A smart geo-location job recommender system based on social media posts
Cavalheiro et al. Examining the implementation of a European patent management system in Brazil from an actor-network theory perspective
Ali et al. Factors to be considered in cloud computing adoption
Ravasan et al. A review for the online social networks literature (2005-2011)
Pinheiro Junior et al. Towards a framework for cloud computing use by governments: Leaders, followers and laggers
Feroz et al. Digital Analytics for Marketing
Dirgahayu et al. Information requirements engineering for specific content management systems
Cooray A qualitative enhancement to quantitative social network analysis
WO2012110984A2 (en) Global value networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20141224